Zmierzyliśmy 55 spółek z WIG20 i mWIG40. Żadna nie deklaruje danych
strukturalnych typu Article ani FAQPage — dwóch, po które silniki
generatywne sięgają najpierw, szukając treści nadającej się do zacytowania. Siedem procent ma
kompletną encję Organization. Prawie połowa nie publikuje ani jednego bloku
danych strukturalnych. W drugim pomiarze, na 145 domenach polskiego e-commerce,
14 ze 128 osiągalnych sklepów odprawia boty AI, nie mając o tym pojęcia:
reguła siedzi w zaporze, a robots.txt milczy.
Mierzymy warunki wstępne, nie efekt: czy silnik generatywny może pobrać stronę, przeczytać ją i znaleźć na niej treść w formie nadającej się do zacytowania. Czy faktycznie cytuje — to inny pomiar i tego raport nie rozstrzyga.
Spółki wchodzące w skład indeksów WIG20 i mWIG40, po jednej stronie głównej na spółkę, 12 sierpnia 2026. Próba jest zdefiniowana tak, żeby dało się ją powtórzyć: listy obu indeksów są publiczne, a każdy może uruchomić ten sam pomiar na tych samych adresach i porównać wynik. „Kilkadziesiąt serwisów, które przeanalizowaliśmy” nie jest próbą, bo nikt nie sprawdzi, czy nie wybrano najgorszych. Checklista liczyła w tym przebiegu 24 pozycje, a w powtórce na e-commerce 25: te 24 są podzbiorem tych 25, żadna nie ubyła. Dołożona sprawdza, czy klient ścisły ufa łańcuchowi certyfikatu — nie jest żadną z pięciu miar porównywanych niżej i na wszystkich 128 domenach, na których liczymy porównanie, wypadła zdana. Porównanie biegnie wyłącznie po pozycjach obecnych w obu przebiegach; pełny opis checklisty stoi na osobnej stronie.
Z 60 spółek jedna wypadła (jej serwis żyje na ścieżce domeny spółki matki, a checklista mierzy domenę), cztery okazały się nieosiągalne dla narzędzia — i to też jest wynik, nie luka w danych, a pozostałe 55 zmierzono. Dwie odrzuciły automatyczne żądanie na krawędzi CDN kodem 403. Dwie nie odpowiedziały, a ten przebieg nie umie powiedzieć dlaczego: w surowym pliku stoi przy nich „fetch failed” i nic więcej. Pozycja, która rozstrzygnęłaby jedną z możliwych przyczyn — czy klient ścisły ufa łańcuchowi certyfikatu — doszła do checklisty dzień po tym pomiarze i pracuje dopiero w drugim badaniu. Każdy odsetek o spółkach giełdowych liczymy na tych 55.
Surowy przebieg jest opublikowany. Nie musisz powtarzać pomiaru, żeby nas sprawdzić: pełne dane w JSON niosą każdy wiersz — także te, które nie weszły do mianownika, każdy z zapisanym powodem — a do tego znaczenie każdego werdyktu i pozycje, których ten pomiar nie rozstrzyga dla nikogo. Liczba wierszy nie jest wielkością próby; mianownik niesie sam plik. Licencja CC BY 4.0: używaj, podaj źródło.
To język, którym strona mówi maszynie, czym jest. Bez niego model musi zgadywać z tekstu. Słownik jest publiczny i niczyj: schema.org.
| Wynik | Co znaczy |
|---|---|
| 0 z 55 | deklaruje Article, BlogPosting lub NewsArticle |
| 0 z 55 | deklaruje FAQPage |
| 4 z 55 | ma kompletną encję Organization (7%) |
| 15 z 55 | deklaruje Organization, ale z brakującym polem (27%) |
| 36 z 55 | nie deklaruje Organization w ogóle (65%) |
| 25 z 55 | nie publikuje żadnego bloku JSON-LD (45%) |
Zanim treść zacznie mieć znaczenie, silnik musi w ogóle dotrzeć do strony i ją przeczytać.
Reguły dostępu opisuje standard robots.txt.
| Wynik | Co znaczy |
|---|---|
| 3 z 55 | blokuje boty AI w robots.txt (5%) |
| 10 z 55 | nie ma czytelnej sitemapy (18%) |
| 18 z 55 | nie ma nagłówka H1 z tekstem w surowym HTML (33%) |
Jawna blokada botów AI okazała się rzadka. To dobra wiadomość i zarazem najczęstsze nieporozumienie: brak blokady nie jest tym samym co bycie czytanym. Znacznie więcej spółek jest niewidocznych nie dlatego, że kogoś wyprosiły, tylko dlatego, że nie mają czego pokazać w formie, którą maszyna rozumie.
Model cytuje to, co potrafi komuś przypisać: konkretne źródło, konkretne nazwisko, rozpoznawalny podmiot. Ta sekcja mierzy, czy strona daje mu cokolwiek do przypisania. Encję firmy trzyma publicznie Wikidata — stamtąd biorą ją także wyszukiwarki.
| Wynik | Co znaczy |
|---|---|
| 53 z 55 | nie linkuje do wiarygodnych źródeł zewnętrznych (96%) |
| 52 z 55 | nie cytuje ekspertów z nazwiska (95%) |
| 47 z 55 | nie pokazuje daty aktualizacji ani changelogu (85%) |
| 43 z 55 | nie ma własnej encji w Wikidata (78%) |
| 28 z 55 | nie sygnalizuje świeżości treści (51%) |
| 27 z 55 | ma zaburzoną hierarchię nagłówków (49%) |
Ten sam pomiar powtórzyliśmy 18 sierpnia 2026 na zupełnie innej populacji: 145 domen polskiego e-commerce — wszystkich członków Izby Gospodarki Elektronicznej, świadomie bez filtra „które z nich są naprawdę sklepami”, bo każdy taki filtr wraca do oceny uznaniowej, a wtedy próby nie da się powtórzyć. Spółka z WIG20 i sklep internetowy nie mają ze sobą wspólnego nic poza tym, że są polskie.
Na czterech miarach z pięciu wychodzą nieodróżnialne.
| Czego brakuje | GPW | e-commerce |
|---|---|---|
| nie linkuje wiarygodnych źródeł | 53 z 55 (96%) | 121 z 128 (95%) |
| nie cytuje ekspertów z nazwiska | 52 z 55 (95%) | 123 z 128 (96%) |
| nie pokazuje daty ani changelogu | 47 z 55 (85%) | 111 z 128 (87%) |
| nie ma encji w Wikidata | 43 z 55 (78%) | 98 z 128 (77%) |
Inne firmy, inne budżety, inne agencje, inny cel strony — a liczby te same co do dwóch punktów. Obie próby to jednak duże, zorganizowane podmioty: spółki z indeksów i członkowie izby branżowej, więc nie jest to teza o polskim internecie. Jest węższa i pewniejsza — wynik nie zależy od branży, budżetu ani celu, w jakim powstała strona. Małe firmy są poza tym pomiarem.
I dopiero na tym tle widać jedyną różnicę, która wystaje.
| Sposób | GPW n=55 | e-commerce n=128 |
|---|---|---|
| odprawia boty AI — łącznie | 3 z 55 (5%) | 24 z 128 (19%) |
regułą w robots.txt | 3 | 10 |
| odrzuceniem na krawędzi (WAF) | 2 | 17 |
tylko na krawędzi — robots.txt milczy | 0 | 14 |
Dwa środkowe wiersze nie sumują się do pierwszego, bo to dwa niezależne fakty i jedna domena może mieć oba. Ostatni wiersz jest tym, po co powstała ta tabela.
robots.txt to decyzja: ktoś ją podjął, zapisał, i każdy może ją
przeczytać. Odrzucenie na krawędzi to infrastruktura — zapora postawiona przeciw
scraperom cen i nadużyciom, pod którą boty AI wpadły przy okazji. Wśród spółek giełdowych nie
zdarzyło się to ani razu. Wśród sklepów — 14 na 128, czyli mniej więcej co
dziewiąty.
Te firmy najprawdopodobniej nie wiedzą, że są niewidoczne. Sprawdziły własny
robots.txt, było czysto, i na tym skończyły — bo różnicy między „zabroniłem” a „nie
wiem, że blokuję” nie widać z własnego serwera. Widać ją tylko z zewnątrz.
Ten sam mechanizm zmierzyliśmy też surowo: 17 ze 145 domen e-commerce nie dało się w ogóle pobrać — osiem odrzuciło żądanie kodem 403, cztery mają niekompletny łańcuch certyfikatu TLS, cztery nie odpowiedziały w czasie, jedna odesłała 429. Wśród nich Allegro, Decathlon, Leroy Merlin i Mastercard.
Dlaczego podstawą jest 128, a nie 145? Narzędzie zmieniło się między badaniami: w pomiarze GPW domena, której strony nie dało się pobrać, nie dawała żadnych werdyktów i wypadała z próby, a tutaj zostaje i niesie komplet pozycji. Ta różnica trafia dokładnie w warstwę dostępu, czyli w to, o czym mówi ta sekcja — więc porównanie liczymy wyłącznie na domenach, których stronę udało się pobrać. Na pełnej próbie wyszłoby 21% zamiast 19%, czyli korzystniej dla naszej tezy. Surowy przebieg e-commerce niesie obie podstawy i regułę doboru próby, tak samo jak pierwszy.
Bo byłaby nieporównywalna między spółkami, a wyglądałaby wiarygodnie. Checklista ocenia kompletność tego, co strona zadeklarowała. Jeśli strona nie deklaruje encji w ogóle, pozycja wypada jako „nie dotyczy”, a nie jako błąd — co jest poprawne przy audycie pojedynczego serwisu i myli przy porównywaniu wielu.
Konsekwencja jest odwrotna do intuicji: serwis bez żadnych danych strukturalnych zbiera
komplet „nie dotyczy”, a serwis, który zadeklarował Organization z jednym
brakującym polem, dostaje błąd. W rankingu liczby błędów gorszy wypadłby lepiej.
Dlatego każda liczba w tym raporcie ma podany mianownik, a średniej nie ma.
Ta sama pułapka omal nie ukryła najmocniejszego wyniku. „Article: 55 razy nie
dotyczy” wygląda w zestawieniu jak brak pomiaru. Znaczy: zero z pięćdziesięciu
pięciu.
Article i nie mieć nic do powiedzenia.Próg wejścia jest dziś niski. Skoro największe spółki na polskiej giełdzie w komplecie nie deklarują dwóch podstawowych typów danych strukturalnych, to nie jest przewaga zarezerwowana dla dużych budżetów — to kilka dni pracy, których prawie nikt jeszcze nie wykonał.
Kolejność jest odwrotna, niż się zwykle zakłada: najpierw sprawdzić, czy silnik dociera do strony i ją czyta, potem dane strukturalne, treść na końcu. Praca nad treścią, której nikt nie pobiera, nie daje nic.
Pomiary: 12.08.2026 (GPW) i 18.08.2026 (e-commerce) · Ostatnia aktualizacja:
Tę checklistę stosujemy też do tej strony: jak na niej wypada.